By Kenna Hughes-Castleberry közzétéve: 02. december 2022
A technológiai fejlődésnek köszönhetően egyre nehezebb megmondani, hogy mi a valódi és mi nem. Ezt a problémát súlyosbítja a deepfake technológia alkalmazása –hangot és videót amelyek mesterséges intelligencia segítségével helyettesítik az egyéneket vagy hangjukat. Bár sok mélyhamisítást sikeresen használtak szórakoztatásra (például ha Miklós ketrec volt a Fosztogatói Az elveszett frigyláda) vagy játék (például FIFA sportolók), nagy százalékuk többért jött létre baljós okok. Amint egyre könnyebbé válik ezeknek a doktorált videóknak a létrehozása, sok szakértő abban reménykedik, hogy a kvantumszámítás segíthet leküzdeni a növekvő technológia lehetséges veszélyeit.
Hogyan működik a Deepfake technológia?
Egy sikeres deepfake videó létrehozásához szüksége van gépi tanulás algoritmusok. "A mélytanulási algoritmusok megtanítják maguknak, hogyan oldják meg a problémákat nagy adathalmazokból, majd arra használják, hogy arcokat cseréljenek videó és más digitális tartalom között" - magyarázta. Post-kvantum CEO Andersen Cheng. A Post-Quantum egy vezető kiberbiztonsági vállalat, amelyre összpontosít kvantumálló biztonság, beleértve a mélyhamisításokat is. „Számos módszer létezik ezeknek a mélyhamisításoknak a létrehozására” – szögezte le Cheng –, de a legnépszerűbb a mély neurális hálózatok használata, amelyekben automatikus kódolók is szerepelnek. An autoencode egy mélytanuló mesterséges intelligencia program, amely videoklipeket tanulmányoz annak érdekében, hogy megértse, hogyan néz ki egy személy több szemszögből és a környező környezetből, majd a közös jellemzőket megtalálva leképezi az adott személyt az egyénre.”
Egy mélyhamisítási technológia beállítása (PC Wikimedia Commons)
Az automatikus kódoló sikeres működése érdekében az alany arcának több videoklipjét is elemezni kell, hogy nagyobb adatkészletet kapjunk. Ezután az automatikus kódoló segíthet összetett videó létrehozásában, ha az eredeti személyt felcseréli az új témával. A gépi tanulás második típusa, az úgynevezett General Adversarial Network (GAN) felismeri és javítja az új kompozit videó hibáit. szerint a 2022-es cikk: „A GAN-ok kiképeznek egy „generátort”, hogy új képeket hozzon létre a forráskép látens megjelenítéséből, és egy „diszkriminátort”, amely értékeli a generált anyagok valósághűségét.” Ez a folyamat többször megtörténik, amíg a megkülönböztető nem tudja megállapítani, hogy a videó meg van-e forgatva, és a mélyhamisítás befejeződött.
A mélyhamisítási technológia veszélye
Jelenleg számos nyílt forráskódú szoftver vagy ingyenes alkalmazás létezik, amelyek segítségével az egyének mélyhamisítványokat hozhatnak létre. Bár ez sokak számára előnyösnek tűnhet, különösen a szórakoztatóiparban dolgozók számára, de komoly, akár bűnözői problémákhoz is vezetett. szerint a Deeptrace jelentés96-ben a hamisított online videók 2019%-a nem meglepő módon pornográfia volt. Míg a tiltott videók közül sok egy ex bosszújából készült, másokat női hírességek, sőt politikusok botrányainak kirobbantására használták fel. 2018-ban egy deepfake videó jelent meg a belga politikai párt amelyen Trump akkori elnök a párizsi klímaegyezményről tárgyal. Mivel az álhírek már a nagyközönség számára is gondot okoznak, a mélyhamisított videók a szalmaszál lehet, ami megtöri a teve hátát. Még mély hamis hang pusztítást végez, mivel az egyik orvosolt hangfájl a CEO egy technológiai cég segített csalás elkövetésében. Cheng számára az ilyen típusú médiák meglehetősen gyorsan megviselhetik a közbizalmat. „A társadalmi bizalom tágabb kérdése van: hogyan lesz képes a közvélemény különbséget tenni a valódi és a hamisítvány között” – tette hozzá Cheng. "Amint láttuk, még arra is van bizonyíték, hogy a mélyhamisításokat a védelmi intézkedések, például a biometrikus hitelesítés megkerülésére használják." A növekvő aggodalmakra tekintettel Cheng és csapata a Post-Quantumnál úgy gondolja, hogy van megoldásuk Nomidio, speciális ultra-biztonsági szoftver.
Felkészülés a DeepFake technológiai veszélyekre
A kvantumszámítástechnika és a mélyhamisítások által jelentett többféle fenyegetést tekintve Cheng és ez a csapat létrehozta a Nomidio-t, hogy megbizonyosodjon arról, hogy a bejelentkezési azonosítók és még a biometrikus hitelesítés is biztonságos marad. "A Nomidio egy biometrikus, jelszó nélküli többtényezős biometrikus (MFB) szolgáltatás, amely egyszerű és intuitív felhasználói élmény mellett biztonságos hitelesítést tesz lehetővé" - mondta Cheng. "A felhasználónév/jelszó alapú bejelentkezést és az egyszeri bejelentkezést váltja fel, és a felhasználókat biometrikus profiljuk alapján többtényezős hitelesítéssel (MFA) hitelesítik a színfalak mögött." Mivel Cheng évek óta a kiberbiztonság szakértője, gondoskodott arról, hogy a Nomidio biztonságban legyen a mélyhamisítások ellen is. „Alapvető filozófiánk a létrehozáskor az volt, hogy a lehető legtöbb további bemenetet és valódi többtényezős hitelesítést használjunk (vagyis kettőnél több tényezővel), így valójában ez az ideális megoldás a deepfake technológia jövőbeli fejlesztéseinek kezelésére. Ez végső soron annak a ténynek köszönhető, hogy a hagyományos MFA nem elegendő, de az MFB gyakorlatilag lehetetlenné teheti a valós idejű támadásokat. Vagyis például a hang, az arc és a PIN-kód kombinációja rendkívül biztonságos azáltal, hogy bármelyik tényezőt meg lehet hamisítani, de mindhárom tényezőt ugyanabban az esetben gyakorlatilag lehetetlen. A Nomidio segítségével a hang- és arcbiometrikus adatok, a beszédfelismerés, a kontextusfüggő adatok, sőt a viselkedéselemzés kombinációja egyetlen hitelesítési rendszerben kombinálható. ”
Bár maga a Nomidio nem használja fel a kvantumszámítógépet a mélyhamisított fenyegetések leküzdésére, a kvantumszámítógépek potenciálisan működhetnek ezekkel a hamis médiafájlokkal. Mint kvantum számítógépek gyakran kihasználják a gépi tanulási algoritmusokat, hogy gyorsabban és hatékonyabban működjenek, képesek lehetnek észlelni hamis videók vagy hangfájlokat gyorsabban. Míg a technológia még mindig fejlesztés alatt áll, és kevesen tekintenek a mélyhamisításokra, mint a kvantumszámítógépek lehetséges felhasználási esetére, ezeket a következő szintű gépeket a jövőben felhasználhatják médiánk igazságosabbá és pontosabbá tételére.
Mivel a mélyhamisítással járó technológia egyre nyilvánvalóbbá válik, sok kormány és vállalat már próbálja megtalálni a módját, hogy segítsen leküzdeni ellene. 2021-ben a Facebook elindította a Deepfake Detection Challenge, 500,000 XNUMX dolláros díjjal azok számára, akik új technológiát készítenek a mélyhamisítások észlelésére. Az Egyesült Államokban olyan államokban, mint Kalifornia, Texas és Virginia, vannak törvények, amelyek tiltják a mélyhamisítás használatát pornográfia és politika céljára egyaránt. A Európai Parlament több szabályozást is hozott a mélyhamisításokkal kapcsolatban, és módosította a digitális szolgáltatásokról szóló törvényt, hogy előírja a mélyhamisítású videókon a címkék használatát. Bár ez a jogszabály csak 2024-ig lép hatályba, jól mutatja a mélyhamisítási technológiai fenyegetés súlyosságát.
Kenna Hughes-Castleberry az Inside Quantum Technology és a Science Communicator munkatársa a JILA-nál (a Colorado Boulder Egyetem és a NIST partnersége). Írási ütemei közé tartozik a mélytechnológia, a metaverzum és a kvantumtechnológia.
